생산성 초기화로 가치가 재정의되는 과정

현대의 생산성을 둘러싼 논쟁은 20세기 초로 거슬러 올라갑니다. 프레드릭 테일러(Frederick Taylor)의 ‘과학적 관리(scientific management)’ 개념은 시간∙동작 연구를 통해 공장 업무를 혁신하여 생산성을 측정 가능한 기계적 효율로 정의합니다. 테일러는 철강 공장에서 워크플로우(workflow)와 휴식 스케줄 재조정으로 근로자당 일일 생산량을 높일 수 있다는 점을 입증하였는데 이는 순전히 물리적인 양을 측정한 결과였습니다.

1950년대에 이르러 로버트 솔로(Rober Solow)는 성장 회계(growth accounting)를 통해 노동과 자본에서 비롯된 성장을 혁신 및 효율성에서 기인한 성장과 구분하면서 생산성의 개념을 확장하였고, 이는 ‘총요소생산성(Total Factor Productivity)’으로 정립되었습니다.¹

하지만 서비스 및 소프트웨어 중심의 경제로 이동하면서 생산성을 측정하기가 더욱 어려워졌습니다. 제품의 수를 세는 것은 간단하지만 사용성, 검색 효율성 혹은 공공 서비스 품질의 가치를 매기는 일은 쉽지 않습니다. 무료 디지털 툴과 시장에서 거래되지 않는 비시장 서비스(non-market services)는 가격 기반의 지표를 적용하기에 무리가 있어 실제 진행 성과를 파악하기가 어렵습니다. 공장의 스톱워치(stopwatch)에서 복잡한 데이터 시스템으로 진화하는 과정을 통해 기술적 영향이 통계에 종종 반영되지 못하는 이유를 파악할 수 있습니다. 로버트 솔로에 따르면 “컴퓨터 시대의 영향을 도처에서 체감할 수 있지만 생산성 통계를 보면 막상 이에 따른 이점이 드러나지 않습니다.”라고 합니다. 일부 연구는 IT를 초기 단계에서 도입했을 때 업무 중단 및 정보의 과부하로 생산성이 오히려 감소하였음을 시사합니다.²

EY 파르테논의 그레그 다코(Greg Daco, Vice President)는 “현재 AI 중심의 생산성 혁명이 일어나고 있다는 첫 징후가 실제로 나타나고 있습니다. — 성과 측면에서는 아직 뚜렷하지 않지만 투자 흐름에서 확인됩니다. 기업들은 자본을 데이터 인프라, 소프트웨어 개발, 에너지, 인재에 투입하여 향후 성장을 위한 기반을 마련하고 있습니다.”라고 이야기합니다.

“AI 도입으로 향후 10년 동안 경제 성장 기간이 2~4년까지 연장될 수 있습니다. — 단, 기업이 탄탄한 데이터, 신뢰할 만한 인프라, 풍부한 에너지 자원, 숙련된 구성원 등 기본적인 요소를 제대로 갖추어야만 가능합니다.”

종합해 보면 이러한 변화들은 생산성이 단순히 사람들이 얼마나 효율적으로 업무를 수행하는지를 반영하기보다, 인간과 지능형 시스템이 어떻게 효과적으로 협업하는지를 반영하는 미래로 나아감을 시사합니다.

마리오 드라기(Mario Draghi) 전 유럽중앙은행 총재는 유럽연합(EU)의 경쟁력 보고서에서, “유럽의 생산성이 향상되지 못한다면 선택의 기로에 놓이게 됩니다. 우리는 신기술을 선도하는 리더, 기후적 책임을 다하는 모범사례, 세계 무대에서 독자적인 영향력을 행사하는 주체로서의 역할을 동시에 수행할 수 없습니다.” 라고 전망합니다.¹¹

이러한 우려는 사실 유럽연합에만 국한되지 않습니다. 영국도 비슷한 문제를 우려하며 중국은 총요소생산성을 높이고 양질의 성장을 뒷받침하려는 혁신 중심의 발전 전략을 시행하여 생산성을 높이려 하고 있습니다.¹² 다수국에서 이제 AI 도입을 장기적인 생산성 확대 및 전략 기술 분야에서의 ‘산업 주권’ 확보를 위한 지렛대로 인식합니다.

에너지 시스템은 근본적인 제약 조건이자 기회입니다. 최신 AI 학습과 도입은 대체로 데이터센터에서 처리되며, 국제에너지기구(International Energy Agency)는 데이터센터와 AI의 전기 수요가 앞으로 10년 간 상당히 증가하여 전력망, 부지 선정, 청정 인프라 구축에 영향을 미치게 된다고 경고합니다.¹³ 동시에 AI는 신재생에너지 수요 예측에서 유연한 수요 조율에 이르기까지 전력 시스템을 최적화하여 각국이 디지털 도입 확대와 기후 목표를 조화롭게 실현하도록 기여할 수 있습니다.

노동시장에서는 부문별 영향을 체감하는 정도가 상이할 것입니다. 국제통화기금(IMF)은 서비스업과 인지 업무 기반 산업에 더욱 의존적인 선진국들이 생산성 향상 및 일자리 대체 리스크에 상대적으로 일찍 노출된다고 분석합니다. 이러한 영향은 교육수준, 성별, 나이에 따라 불균등하게 나타납니다. 정책입안자들은 AI 확산에 대응하여 변화에 기민하게 적응 가능한 안전망 및 적극적 노동시장 정책을 마련하여 혜택이 골고루 돌아가도록 해야 한다는 권고를 받습니다. 마찬가지로 경제협력개발기구(OECD)는 AI가 업무의 형태를 근본적으로 바꿀 것이며 맞춤형 스킬 개발 전략이 없으면 지역간 격차는 커질 수 있다고 강조합니다.¹⁴

교육과 훈련은 AI가 근로자들을 보완할지 혹은 대체할지를 결정하게 될 요인입니다. 유네스코(UNESCO)의 지침은 학습자가 디지털·비판적·윤리적 역량을 갖추도록 지원하고 AI를 활용해 학습을 개인화하면서 형평성을 보장하는 인간 중심의 접근법을 채택하라고 권고합니다. 이러한 체계를 도입하는 국가들은 AI 중심의 근무 환경에서 변화하는 다양한 업무를 교육 과정, 직업 훈련, 평생 학습과 효과적으로 연계할 수 있습니다.¹⁵

재정 정책과 규제 역시 조정이 필요합니다. IMF는 AI로 인하여 소득 구조가 자본 및 ‘초우량 기업(superstar firms)’으로 편중될 수 있다면서 자본소득 과세 재검토, 소득 재분배 강화, 스킬과 포용성 확대를 위한 재원 마련의 필요성을 시사합니다. 또한 IMF는 점진적 변화 혹은 급격한 충격이 발생하는 상황에 맞춰 지원 규모를 조정할 수 있는 ‘기민한’ 재정 정책을 촉구하고 있습니다. 세무 전문가들은 이미 컴플라이언스, 리스크 평가, 서비스 제공에서 AI를 도입하고 있지만 광범위하게 사용할 경우 공적 의사결정에서 거버넌스, 투명성, 안전장치에 대한 문제가 제기될 수 있습니다.^16,17

각국 정부에게 중요한 과제는 기업의 생산성 향상을 뒷받침하는 환경을 조성하는가입니다. 그러나 신기술 활용에 따라 부정적 영향이 발생할 수 있습니다. 최적의 정책 조합은 생산성을 높이기 위한 친혁신적 규제 및 투자에 더하여, 권리를 보호하고 에너지 시스템이 넷제로 이행 경로와 부합하도록 하면서 AI 집약적 경제에 적합한 조세∙사회 정책을 현대화할 안전 장치를 마련하는 것입니다.

AI 시대에서의 생산성 향상을 위한 권고 사항

• 정제되고 통합된 데이터를 중심으로 재설계하십시오. 데이터를 인프라로 간주해야 합니다. AI가 효과적으로 책임있게 작동하도록 고품질의, 상호운용이 가능한 데이터 시스템에 투자하세요.
• 의사결정 인텔리전스 역량을 워크플로우에 내재화하십시오. AI를 보조적으로 얹는(bolt-on) 기술이 아니라 의사결정의 속도, 정확성, 일관성을 개선하는 핵심 역량으로 자리잡도록 — 일상적 운영 업무에 통합해야 합니다.
• 투입한 노력보다는 성과를 평가하세요. 이제는 노동 시간과 투입량을 추적 관리하는 대신 속도, 품질, 회복탄력성, 새로운 수익 모델 — (특히 서비스 중심 모델)을 통해 창출되는 가치를 측정하여 평가해야 합니다.
• 강력한 거버넌스 체계를 갖춘 에이전틱 시스템에 투자하세요. AI 에이전트를 활용하여 복잡하고 부서 간 협업이 필요한 업무를 조율하세요. — 그렇지만 철저한 감독 체계, 책임 부여의 명확성, 윤리적 안전 장치를 확보해야 합니다.
• AI와 디지털 트윈으로 물리적 운영을 디지털화해야 합니다. 엣지 컴퓨팅과 시뮬레이션을 결합하여 처리량, 품질, 에너지 사용을 실시간으로 최적화하세요.
• 인재, 툴, 신뢰를 유기적으로 연결하십시오. 전사적으로 디지털 역량을 강화하고 상호운용 가능한 AI 툴을 기반으로 플랫폼을 재정비하며 AI가 인간의 판단을 — 대체하지 않고 — 보완하도록 리스크 통제 장치를 내재화하세요.
• 새로운 생산성 평가 지표를 도입하세요. 인간과 기계의 협업, 데이터와 모델의 가치, 지능형 시스템의 생산량 기여도를 반영하는 지표를 개발해야 합니다.

리더별 유의미한 질문
 

CEO (최고경영책임자)

• 3년 안에 어떠한 성과가 경쟁우위를 결정지을 것이며, AI가 해당 지표를 분기별로 측정 가능하도록 개선할 방법은 무엇일까요?
• 에이전틱 시스템을 전사적으로 확장하여 안전하게 운영하기 위해 필요한 운영 아키텍처, 데이터, 플랫폼, 거버넌스 체계는 무엇일까요?
• 신뢰와 수익성을 약화시키지 않고 제품 판매에서 성광 기반의 서비스로 전환할 방법은 무엇일까요?

CFO (최고재무관리자)

• 데이터, 모델, 연산 인프라의 자산 가치를 자산가치로 반영하면서 동시에 AI 프로그램의 투자 대비 수익률과 총소유비용(TCO) 평가 방식을 어떻게 새롭게 정립할 수 있을까요?
• 자동화가 확대됨에 따라 모델 리스크, 사이버 위험, 컴플라이언스 위험이 허용가능한 범위에서 유지되도록 필요한 통제장치는 무엇일까요?
• 운영 비용에서 설비 투자로의 재조정(opex-to-capex rebalancing) 및 서비타이제이션을 통해 현금흐름 회복탄력성을 높일 수 있는 영역은 어디일까요?

최고전략책임자 (CSO)

• 종속 현상(lock-in)을 방지하고 확산을 가속화하기 위해 꼭 필요한 에코시스템, 파트너, 오픈 모델, 인프라는 무엇일까요?
• 성장, 전환, 제약, 붕괴 시나리오 중 어떤 시나리오가 우리의 모델에 가장 위협적이며 이에 대한 헤징(hedge) 전략은 무엇인가요?
• 조직 전반에서 의사결정 인텔리전스를 활용하려면 어떻게 리스킬링(reskill) 해야 할까요?

최고운영책임자 (COO)

• 인간, 디지털, 에이전틱 시스템 전반에서 생산성을 측정하고 관리하기 위해 어떻게 운영을 재설계 할 수 있을까요?
• 프로세스 중심에서 탈피하여 반복된 절차 대신 예외 상황을 관리하는 성과 기반 운영모델로 전환할 수 있는 방법은 무엇일까요?
• 자율형 시스템으로 발생될 운영, 윤리, 사이버보안 관련 리스크를 관리할 강력한 검증 체계를 어떻게 구축할 수 있을까요?

최고인사책임자 (CHRO)

• 학습 속도, 적응 역량, 창의력 등 인간과 AI가 함께 창출하는 기여도를 반영하도록 인력 평가 지표를 어떻게 재설계할 수 있을까요?
• 고정된 팀이 아니라 적응형 반자율 시스템을 인간이 관리하는 세상에서 필요한 역할, 스킬, 리더십 행동이 무엇일까요?
• AI 도입, 인력구조 재편, 문화적 변화에 윤리적이고 투명하며 포용적인 원칙을 어떻게 내재화 할 수 있을까요?

정부 관료

• 민간의 AI 투자를 유도하면서 기후 목표를 달성하려면 스킬, 컴퓨팅, 청정 에너지 정책을 어떻게 조합해야 할까요?
• 데이터와 알고리즘을 생산적인 자산으로 인식하고 혜택을 널리 전파하려면 통계 체계와 세법이 어떻게 진화해야 할까요?
• 확산을 저해하지 않으면서 권리와 경쟁을 보호할 수 있는 최적의 장치는 무엇일까요?

요약

AI 시대에서 생산성은 노동 시간 보다는 기업이 데이터, 모델, 판단을 성과로 전환하는 역량에 주로 좌우될 것입니다. 성공하려면 AI를 근본적인 변화로 인식해야 합니다. — 다시 말해, 정제된 데이터를 중심으로 시스템을 재구축하고 인텔리전스 역량을 워크플로우에 내재화하며 속도, 품질, 회복탄력성, 신규 창출 수익을 기준으로 가치를 측정해야 합니다. 핵심 과제는 신뢰할 수 있는 데이터에 대한 투자, 상호운용 가능한 툴 도입, 성과 중심 관리, 스킬 구축, 리스크 통제장치 내재화입니다. 제대로 실행한다면 업무 속도 향상을 넘어서 개선된 서비스, 변화에 더욱 기민하게 적응하는 산업, AI 활용에 따른 혜택의 공정한 분배를 바탕으로 성장을 창출할 수 있습니다.